KLASIFIKASI KELULUSAN MATA KULIAH MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES

• MUHAMMAD RAUL FADILLA
• 2024

---

Banyak perguruan tinggi di Indonesia berupaya meningkatkan kualitas pendidikan
mereka melalui berbagai cara, termasuk meningkatkan kompetensi akademik dan
profesional siswa untuk mengembangkan IPTEK. Analisis sentimen terhadap tingkat
kelulusan pendidikan sangat penting untuk memahami persepsi dan pendapat publik.
Penelitian menunjukkan bahwa faktor-faktor seperti akreditasi fakultas berdampak
positif pada tingkat kelulusan, sementara komunitas belajar memiliki dampak yang
bervariasi tergantung pada jenis institusi. Selama ini, evaluasi tingkat kelulusan
hanya berdasarkan data pendaftaran wisuda dan mengabaikan siswa yang masih
mengalami masalah akademik atau administratif. Nilai tugas, Ujian Tengah Semester
(UTS), dan Ujian Akhir Semester (UAS) adalah tiga faktor yang mempengaruhi
kelulusan mahasiswa dalam mata kuliah. Teknik pembelajaran mesin, seperti Naive
Bayes, menunjukkan potensi signifikan dalam analisis sentimen untuk memprediksi
tingkat kelulusan mahasiswa dengan menggunakan berbagai variabel dan data
kinerja. Naive Bayes, berdasarkan Teorema Bayes, memproyeksikan kelas suatu
entitas berdasarkan probabilitasnya. Penelitian ini akan menggunakan algoritma
Naive Bayes untuk mengukur tingkat kelulusan siswa dalam mata kuliah tertentu.

• Naive Bayes
• Kecerdasan Buatan
• Nilai Mahasiswa

https://repository.bsi.ac.id/repo/51258/KLASIFIKASI-KELULUSAN-MATA-KULIAH-MAHASISWA--MENGGUNAKAN-ALGORITMA-NAÏVE-BAYES
Anda dapat membaca file tugas akhir ini di repository.